2017第一季度医疗领域投融资数据解析｜医疗投融季报

相比于共享单车，医疗行业的“慢悠悠”总显得有些与时代格格不入。

2017年第一季度，全球一级市场共1110起融资事件，投资总额约446亿1852万美元，而医疗领域全球仅88起融资事件，总融资额34.08亿美元。

这一季度，主打癌症检测的GRAIL创下了破纪录的B轮融资，融资额高达9.14亿美元；从Google分拆出来的生命科学部门Verily，获8亿美元融资；好大夫在线获腾讯2亿美元D轮投资……一笔笔高额融资仍在继续，政府的步伐也在加紧。

3月份，丁香园、春雨医生、医联、七乐康等15家互联网企业收到了银川政府发放的互联网医院“牌照”，加上早前的好大夫和微医，银川互联网医院达到17家，成了互联网医疗企业寻求突破的试验田。

4月8日凌晨，《北京市医药分开综合改革实施方案》实施，医改的幕帘正式拉开，医事服务费取代了挂号费和诊疗费，“以药养医”的利益链条有望被新的服务体系瓦解，台下蓄势的创业者们，正在变化中等待时机。

反倒是人工智能，终于在今年迎来“应用元年”，成为医疗领域的附加值，甚至是必备选项。

阿里云发布ET医疗大脑，宣告阿里正式进入医疗AI领域。在此之前，百度发布了百度医疗大脑，并在2月份裁撤医疗事业部，押注人工智能；华大基因也联合英特尔和阿里，共同打造了精准医疗云平台“BGI Online”；2016年8月，IBM Watson肿瘤解决方案落地中国，为21家医院提供Watson肿瘤解决方案；Google DeepMind以及微软的Healthcare NExT也都在积蓄力量……

医疗人工智能领域巨头环伺，创业者也正持续涌入。据不完全统计，医疗人工智能相关的创业公司全球有近170家，国内医疗人工智能相关的创业项目近70家。钛媒体TMTbase 全球数据库显示，医疗领域88起融资事件，其中国内46起，国外42起，早期融资占比为46.59%；获投数量最多的是生物科技领域，而医疗人工智能领域获投项目占比仅为2%，与其火热程度形成了鲜明反差。

整体概况：早期融资占比近50%

88起融资事件中获投轮次主要分布在A轮，早期融资（A轮及以前）的占比为46.59%，近一半融资发生在早期阶段，风险投资机构更倾向于早期投资，虽然风险性大，可回报率也会较高。

通过轮次分布的梳理，发现项目大多集中在早期融资阶段，但有趣的是，第一季度获投金额较大的项目多集中在中期阶段（B轮至C轮之间）。 

B轮共有21起融资事件，其中主打癌症检测的GRAIL获得了9.14亿美元B轮融资，成为2017年第一季度获投金额最高的项目；后期阶段（C轮之后IPO之前）获得融资的占比仅为3.41%，这个阶段的项目进入较为稳定的状态，投入的金额更大，相比风险较小。

意料之内，国内的项目集中在北京、上海和广东地区；北京地区的项目分布在专科医疗服务、生物科技、医疗设备、医疗信息服务、医疗人工智能等领域；而广东地区的项目集中在专科医疗服务和医药电商；江苏地区共发生6起融资事件，其中4起为生物科技领域的项目，分别是前沿生物、瑞博生物、康乃德、启德医药，都专注于药物研发。

国外的融资由美国“领衔主演”，囊括了专科医疗服务、综合医疗服务、生物科技、医疗设备、医疗信息服务、医疗人工智能等细分领域，分布在种子轮到E轮，主要集中在A轮。其次印度和新加坡地区值得关注，印度的项目全部处于早期阶段，融资金额全部为百万美元的级别；新加坡和印度一样，项目均处于早期阶段，融资金额为百万美元。

刚刚提到的GRAIL获9.14亿美元B轮融资，成为2017年第一季度获投金额最高的项目，同时也是医疗行业有史以来B轮融资金额最高的项目，GRAIL成立于2016年1月，其母公司为全球测序巨头Illumina，成立之初便获得了ARCH Venture、比尔·盖茨、贝佐斯和Google风投的1亿美元投资。

备受瞩目的原因在于GRAIL的基因测序技术，原理是患者肿瘤细胞破裂时，可向血液中释放一种循环肿瘤 DNA （ ctDNA ），通过对DNA信息的检测与已知的肿瘤突变基因序列进行比对，在早期发现癌症。

 Verily是从Google分拆出来的生命科学部门，4月中旬推出了第一款医学研究用智能手表 Study Watch，除了可以监测心率和惯性运动外，还可以监测人体的 ECG 心电图和皮肤电活动，这款手表将用在疾病的基线研究和个性化帕金森症诊疗上。

好大夫在线获得腾讯2亿美元D轮融资，这是好大夫成立11年来首次官方确认融资消息，融资后将建立商业医疗保险产品。继丁香园、微医、医联之后，好大夫也成为腾讯医疗版图中的一员，在国外，腾讯投资了印度医疗信息服务商Practo、智能医疗硬件商Clinicloud和Scanadu等。

天境生物聚焦在肿瘤免疫和自身免疫疾病领域的新药研发上，3月23日天境生物与专注于生物药研发的天视珍生物技术（天津）有限公司宣布合并，合并后的主体获得了康桥资本和上海天士力药业有限公司领投的1.5亿美元新一轮融资。同样专注于药物研发的歌礼也获得了1亿美元B轮融资，歌礼致力于肝病领域创新药物的开发、生产和销售，慢性丙型肝炎是主攻领域之一。

PatientsLikeMe是在线患者病例数据共享平台，通过分享、研究和病例数据分析，为世界各地的患者提供相似病例搜索和相关治疗的服务网站，由碳云智能投资，PatientsLikeMe也成为碳云智能数字生命联盟中的成员。

“活跃”即为2017年第一季度中参与投融资事件的次数，我们筛选出了20家在全球较为活跃的投资机构，根据其投资活跃度以思维图的方式呈现出来：

北极光创投参与投资了医药行业SaaS服务提供商“太美医疗”、数字健脑医疗公司“六六脑”以及专注于新药研发的“康乃德”，成为第一季度医疗行业最为活跃的投资机构，自2005年成立以来，北极光创投主要投资的领域分布在企业服务、医疗健康、硬件等领域。

500 Startups作为早期种子基金和创业孵化器，在第一季度也频频出手，投资了医药电商平台mClinica、老年人护理服务平台Homage，全部为早期投资。

PatientsLikeMe的投资方碳云智能，被视为一枚新兴独角兽。2017年1月，碳云智能成立数字生命联盟，加入联盟的有SomaLogic、HealthTell、PatientsLikeMe、AOBiome、GALT、Imagu和天津强微特生物科技有限公司，这7家公司包含了生命科学、健康网络、测序和人工智能技术应用等领域。

当然，上图呈现的也仅为2017年第一季度的投资机构活跃度，根据投资机构的不同策略，在不同时期，对轮次和细分领域偏好也会各有不同。

细分领域详解：医疗人工智能占比仅为2%

为了更详细的了解各细分领域的发展态势，我们将投资领域单独拆分开。

通过梳理获投项目的领域分布有几个发现：生物科技领域最为火热，获投占比为28%；其次是医疗信息服务占比18%；意外的是医疗人工智能领域获投占比仅以2%，与其火热程度呈现出了较大反差。 （在文章第三部分会对医疗人工智能进行详细分析）

生物技术和新型药物的研究周期较长，从药物研制到临床应用往往长达十几年甚至几十年时间，周期虽然较长，但也意味高壁垒和较高的投资回报率；医疗信息服务则是利用互联网技术帮助医疗行业提升效率，相较于挂号、在线问诊等面向C端的业务来讲，医疗信息服务针对医院，可以更快的获取业务和回报，目前发展较为成熟。

专科医疗服务在第一季度也强势跻身前三，其中以牙医为主，MobiDent、牙医管家、马泷齿科等，其中牙医管家、马泷齿科获过亿元融资；在其他医疗服务领域中有两个心理服务相关的项目，心理健康平台Juno Clinic以及心理健康服务应用iExhale，均处于种子轮。当综合服务平台趋于饱和陷入瓶颈，创业者可以将方向瞄向更垂直的细分领域。

在各细分领域中，生物科技的项目多集中在B轮和C轮，处于中期阶段；医疗信息服务则集中分布在A轮及天使轮，也就是多处于早期阶段；专科医疗服务从种子轮到D轮都有分布，以中期阶段为主；后期阶段（C轮之后IPO之前）的项目零星分布在医疗设备、专科医疗服务和综合医疗服务领域。

通过对交易规模进行梳理，生物科技领域虽然总融资金额最高，但综合医疗服务领域的平均融资金额最大。综合医疗服务领域中，好大夫在线和Verily则贡献了10亿美元；GRAIL9.14亿美元的B轮融资，拉高了生物领域的总体融资金额，也在2017年第一季度给医疗行业一剂鸡血。

单独梳理国内的46起融资事件发现，生物科技领域依然是获投次数最多的领域，主要集中在A轮和B轮；而专科医疗服务领域以8笔融资事件排名第二，同样集中在A轮和B轮，以妇儿保健和牙科为主；医疗信息服务排名第三，更多的集中于天使轮阶段，早期阶段的占比为85.71%。

国内共有19个项目获得过亿元金额的融资，占比约为41.3%；而在这19个过亿元的项目中，生物科技领域就占了9个，获投金额最高的前五个项目，有四个为生物科技领域的项目。好大夫、天境生物、歌礼在刚刚的全球名单中已经简析过。

曾经罕有大规模交易的细分领域都有获得过亿元融资，在2017年，专科医疗服务、医疗信息服务和医药电商等，都会随着政策和技术的发展迎来新的变化。

医疗人工智能：边界和机会

一面是仅2%的获投数量占比，一面在行业内和学术界热的发烫，这是医疗人工智能的现状。

“是风口还是泡沫？”、“人工智能会不会替代医生？”……伴随着人工智能的火热，疑问也一个接着一个。相比于互联网技术，人工智能给医疗领域打开了一个新的窗口，“当人工智能被广泛应用后，医生可以更高效地接诊病人，有更多时间来完成科研任务。”

目前医疗行业面临的最大问题是医疗资源不足，这背后有三个现状：老龄化严重、医保不足和医生不足。国家统计局《2014年国民经济和社会发展统计公报》显示，2014年中国13.67亿人口中，65岁及以上人口数为1.37亿人，占比10.1%。而这一数据在1982年时，仅为4.9%，1990年为5.6%，2000年为7.1%，2010年为8.9%，显然，老龄化正加速上升。

老龄化的加剧导致医疗资源的问题日益凸显，然而培养一名优秀医生的周期长达十年，甚至需要更久。在现有资源的基础上，如何提升医生效率？这或许是人工智能的一个机会；而另一个机会便是在提升医生效率的同时，通过对患者进行健康管理从而降低患者的医疗支出。

虽然这两个方向的想象空间足够大，可现阶段，AI更需要医疗。

一、现阶段，AI更需要医疗

“AI必须和临床数据结合，离开了临床数据AI是没法思考的”，在北京大学肿瘤医院信息部长衡反修看来，临床数据最重要的是如何提高临床数据质量，而不是依靠历史数据。

无论对巨头还是创业公司来讲，数据是目前共同面对的难题。英特尔医疗与生命科学部亚太区总经理李亚东，在接受钛媒体采访时说，“怎么样从高质量数据当中提取足够的智能让它用于各行各业，这是我们一直以来所面临的挑战”。

从技术层面来看，在人工智能领域，数据、算法和计算缺一不可，在这个基础上，医疗行业产生的CT、MR、病理数据、诊疗数据等，这些庞大的高质量医疗数据确实会给人工智能提供最佳试验田，也为人工智能的应用提供了落地场景。

“医疗大数据不是越多越好，而是质量好的数据才有用”，在3月份的“智慧未来医疗人工智能前沿峰会”上，清华大学计算机系教授张勤院士曾指出，“将数据结构化、标准化，用高质量的数据训练出来的才能称得上是人工智能”，一部分数据垃圾进入垃圾处，并且对垃圾进行分类，而有用的数据也要分类，让其真正有效的用起来，可目前区分数据质量的好坏依然要依靠人工进行。

另一件颇为尴尬的事儿是，数据从哪里来又可以去哪里。

二、数据是谁的？

“我们的工作是做好计算平台，让算法得到最大优化，但我们不会去碰数据，数据是大家的，不是英特尔的”，对于数据所有权，李亚东保持着敏感。

数据是大家的，不是英特尔的，那大家又是谁呢？

“健康医疗大数据是国家重要的基础性战略资源”，2016年6月，国务院办公厅公布的《关于促进和规范健康医疗大数据应用发展的指导意见》中，对于健康医疗大数据有了明确定位。

为了更准确的理解这一“意见”，《健康报》曾进行了详细解读。其中有一段是如此解释的，“专家表示，健康医疗大数据既不能简单说是谁的，也不能简单说不是谁的，首先要客观理性看待我们的基础。目前，我国的公民隐私保护、个人信息保护、数据保护还没有法律支持。定位它是国家重要的基础性战略资源，回避了未来要做权属分割的问题，重点放在规范和应用上，有利于行业的发展和创新。未来核心系统、关键性设施涉及到的大数据，都将作为国家战略资源来进行保护，这是由我国的体制性质所决定的。”

从划了重点的部分来看，数据归属权的问题暂且不用争议，现在的重点是如何规范和应用这些数据。但问题又来了，在应用的过程中对于数据的管理、控制和运营分别掌握在政府管理单位、医院和第三方机构的手里，那么数据如何实现共享呢？

针对这一点，李亚东坦言，“中国的医疗需求具有代表性和特殊性，在美国，医疗应用首先上云，但在中国，很多应用是上私有云或者在自己的环境里。”虽然随着公有云的发展，很多数据已经跑上云端，但比如基因数据、临床数据等因为涉及隐私不能上公有云，只能存储在私有云里。但是不共享，应用做不起来，比如基因检测、人工智能，所以矛盾出现了，数据在孤岛里，但数据又要进行共享，怎么办？

两年前，英特尔曾做过一个尝试，英特尔和俄勒冈卫生科技大学推出协作式癌症云，这个平台可以让各种规模的医院和研究机构使制定个性化治疗方案，实现安全的数据共享。也就是说各个机构之间不直接共享基础数据，但是可以提出一些目标数据结果得到验证，共享的问题能暂时得到解决，目前这一方案也在华东医院进行尝试，但仍处于试点阶段。

三、边界和机会

根据人工智能的技术架构，可以把医疗人工智能看成是金字塔。

底层的基础服务有芯片、计算、云服务等。这些都是巨头的布局，比如，IBM、谷歌、微软、英特尔、百度和阿里等；
中层则是核心技术层。比如深度学习、计算机视觉、某个领域的通用算法；这些也是护城河的一部分，需要较长的时间周期、具有有高投入、高收益的特点；
最上面一层是各种垂直场景的应用，比如医学影像及诊断、药物挖掘、风险管理、虚拟助理、健康研究等具体场景。

巨头拥有资金、人才、技术等资源优势，因此有足够的能力在底层基础服务布局，除了拼技术外，还得拼耐心。看起来医疗人工智能领域巨头环伺，但这个并非只分先后顺序的赛道里，也有创业者的机会。

“医学大数据中一定会影像先行”，汇医慧影CEO柴象飞对钛媒体说，利用云计算、深度学习和大数据三者的关联，可以提高医疗的诊断效率，最后达到精准治疗的方法。

如果按照具体的应用场景细分，AI在医疗领域的应用有辅助诊疗、医学影像、药物挖掘、健康管理等。而这些应用场景以的数据需求拆解开来看，风险识别、辅助诊疗、健康管理等细分领域，需要的是综合性、多种维度的数据，而这部分数据，巨头有足够的资源抢夺；而医学影像、虚拟护士和药物挖掘等更细分应用，需要的数据维度多为垂直细分领域的数据，维度较为单一，创业者在这个象限中有更大的施展空间。

“炒的太火了，大家觉得速度太慢，但不往前推动也不行。”李亚东感慨。新技术的发展需要时间，与其探讨是风口还是泡沫，不如换至另一个维度，人工智能仍是工具之一，并非解决问题的唯一方法，如何把工具变得更好用，得到更合理的利用？这或许是当务之急。

本文为【2017一季度1110起投融资事件大解密｜钛媒体Pro季报】系列文章，钛媒体Pro专业用户专享（专业用户0.99元，非专业用户599元），欲了解更多创投动态可点击获取《2017一季度1110起投融资事件大解密｜钛媒体Pro季报》。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App